2vec需要归一化吗_标准化和归一化有什么区别？

问题引入

在我们做机器学习相关的研究时，尤其在进行数据处理的过程中，大大小小都会遇到标准化和归一化的相关概念和处理，为什么需要归一化在上节课中我们以及讨论过了，这里说下标准化和归一化到底有什么区别呢？

问题解答

首先看一下标准化和归一化的公式：

归一化

标准化

归一化和标准化的区别：归一化是将样本的特征值转换到同一量纲下把数据映射到[0,1]或者[-1, 1]区间内，仅由变量的极值决定，因区间放缩法是归一化的一种。标准化是依照特征矩阵的列处理数据，其通过求z-score的方法，转换为标准正态分布，和整体样本分布相关，每个样本点都能对标准化产生影响。它们的相同点在于都能取消由于量纲不同引起的误差；都是一种线性变换，都是对向量X按照比例压缩再进行平移。

拓展

除了归一化和标准化之外，还有中心化，这个比较好理解，其实也就是将数据的mean变成0.一般来说，工程上优先使用标准化，然后再归一化，那这又是为什么呢？

欢迎关注公众号“百面机器学习”，也欢迎提出新的问题和总结~~

参考

https://www. jianshu.com/p/95a8f035c 86c https://www. zhihu.com/question/2045 5227/answer/370658612 https:// blog.csdn.net/uestc_c2_ 403/article/details/75804617